变权划分系数及其分类效果评价

摘要

针对模糊C-均值聚类算法对初始化分类参数(包括起始聚类中心位置和初始化分类隶属度矩阵)的选择比较敏感而导致分类结果差异性较大,以及错误分类会给解决实际问题带来难以预料后果的不足,本文从反映数据聚类后类间分离性测度的划分系数入手,提出了可变加权划分系数的新概念,并用于数据分类效果的评价.实验结果表明,本文提出的评价方法不仅是可行的,而且比模糊C-均值聚类算法的目标函数作为数据分类效果的评价准则更好.